📍面试公司：百度 文心一言🕐面试时间：2026.03.18💻面试岗位：大模型RL后训练❓面试问题：自我介绍，教育背景，项目经历项目介绍，基于大语言模型的信号灯控制，问题是什么，如何结合熵，怎么评测，指标结果如何强化学习理论内容，trust-range和PPO的关系PPO是off-policy or on-policy? on-policy为什么会有importance sampling，采样的策略模型和要训练的策略模型有偏差，重要性采样加以修正PPO的clip在优势A 正/负时 限制上/下届，A为正限制上届，A为负限制下届PPO的损失函数怎么计算的？广义优势估计是怎么计算？GAE中lam...

有个疑问，我的简历是不是太杂了，mcurtos Linux应用 驱动 内核 zynq都涉及一点，我以后想走驱动或者内核

1. 在 C++ 中，智能指针有哪些类型，重点说一下 unique_ptr 和 shared_ptr 的区别答案：常见智能指针主要有 unique_ptr、shared_ptr、weak_ptr，以及比较早期的 auto_ptr，不过 auto_ptr 已经被废弃了。unique_ptr 表示独占所有权，同一时刻只能有一个智能指针拥有对象，不能拷贝，只能移动，所以它的开销最小，也最符合“资源独占”的语义。shared_ptr 表示共享所有权，多个智能指针可以共同管理同一个对象，底层通常依赖控制块维护引用计数。最后一个 shared_ptr 析构时，对象才会真正释放。两者最大的区别在于所有权模型...